美國(guó)加州大學(xué)洛杉磯分校的科學(xué)家利用光信息實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)計(jì)算，相較傳統(tǒng)電子器件，其處理速度接近光速，但準(zhǔn)確性有所降低。

神經(jīng)網(wǎng)絡(luò)以計(jì)算成本昂貴而著稱。但只有訓(xùn)練部分才會(huì)對(duì)大多數(shù)計(jì)算機(jī)硬件造成壓力，因?yàn)樗婕皩?duì)性能的定期評(píng)估和不斷往返于內(nèi)存來(lái)調(diào)整其與人工神經(jīng)元之間的連接。相比之下，使用訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)是一個(gè)簡(jiǎn)單得多的過程，計(jì)算上并不復(fù)雜。事實(shí)上，可以在完全不同的硬件上運(yùn)行訓(xùn)練和執(zhí)行階段。

而且在這兩種過程中，硬件方面似乎有相當(dāng)大的靈活性。例如，可以使用一種名為“memristor”的特殊內(nèi)存來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，或者使用定制的硅芯片來(lái)執(zhí)行訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)?，F(xiàn)在，加州大學(xué)洛杉磯分校的研究人員完成了一項(xiàng)更激進(jìn)的研究。在用傳統(tǒng)的計(jì)算硬件訓(xùn)練了神經(jīng)網(wǎng)絡(luò)之后，他們3D打印出一組面板來(lái)操縱光，其操縱效果等同于使用神經(jīng)網(wǎng)絡(luò)來(lái)處理信息。最后，研究人員以光速實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)計(jì)算，盡管計(jì)算精度與傳統(tǒng)硬件相比有所降低。

那么如何使用光來(lái)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)？要理解這一點(diǎn)，必須了解深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。在每一層神經(jīng)網(wǎng)絡(luò)中，來(lái)自上一層神經(jīng)網(wǎng)絡(luò)的信號(hào)（或來(lái)自源輸入）由“神經(jīng)元”處理，然后接收結(jié)果并將正向信號(hào)轉(zhuǎn)發(fā)給下一層的神經(jīng)元。它們發(fā)送給神經(jīng)元以及它們傳遞的信號(hào)有多強(qiáng)取決于它們所接受的訓(xùn)練。

為了利用光，加州大學(xué)洛杉磯分校團(tuán)隊(duì)創(chuàng)造了一種半透明的、可折射的面板。當(dāng)光射向它時(shí)，面板的精細(xì)結(jié)構(gòu)決定了光穿過的距離和方向。如果在第一層面板后面放置另一層相同的面板，它將繼續(xù)把光重定向到特定的位置。這在原則上與深度學(xué)習(xí)網(wǎng)絡(luò)的工作方式相似，即網(wǎng)絡(luò)的每一層都將信號(hào)重定向到下一層的特定位置。

實(shí)際上，研究人員訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)，識(shí)別出它與下層之間的聯(lián)系，然后將這些聯(lián)系轉(zhuǎn)化為面板的結(jié)構(gòu)特征，并以類似的方式引導(dǎo)光。通過打印一系列的面板，光會(huì)逐漸集中在一個(gè)特定區(qū)域。通過在最后一層面板后面的特定位置放置探測(cè)器，他們就能知道光的最終去向。而且，如果一切都得到恰當(dāng)處理，光的終點(diǎn)就能代表神經(jīng)網(wǎng)絡(luò)的處理結(jié)果。

研究人員嘗試了兩種不同類型的圖像識(shí)別任務(wù)。首先，他們訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別手寫數(shù)字，然后他們翻譯并打印出適合10個(gè)光電探測(cè)器的網(wǎng)格來(lái)記錄輸出。這是通過一個(gè)五層神經(jīng)網(wǎng)絡(luò)完成的，研究人員及時(shí)打印出五層光控制材料。為了給神經(jīng)網(wǎng)絡(luò)提供輸入，他們還打印了一張表格，讓他們將被識(shí)別的對(duì)象投影到神經(jīng)網(wǎng)絡(luò)的第一層。

當(dāng)加州大學(xué)洛杉磯分校的研究人員用手寫數(shù)字做這個(gè)實(shí)驗(yàn)時(shí)，他們遇到了一個(gè)問題：許多數(shù)字（如0和9）的開放區(qū)域被書寫的數(shù)字部分所包圍。為了讓3D打印出能投射數(shù)字形狀的掩模，必須將它轉(zhuǎn)換成用一個(gè)由開放空間包圍的填充區(qū)域的底片。這對(duì)于3D打印是相當(dāng)困難的，因?yàn)橹辽夙毷褂靡恍┎牧蟻?lái)保持填入的區(qū)域與屏幕的其他部分相連。他們懷疑，這降低了識(shí)別任務(wù)的準(zhǔn)確性。不過，他們的準(zhǔn)確率還是達(dá)到了90%以上。

他們?cè)趯?duì)衣物進(jìn)行類似測(cè)試時(shí)甚至做得更好。雖然總準(zhǔn)確率只有86%，但在運(yùn)行神經(jīng)網(wǎng)絡(luò)軟件與在光線下運(yùn)行神經(jīng)網(wǎng)絡(luò)的區(qū)別較小。研究人員推測(cè)，性能上的差異主要?dú)w結(jié)于這樣一個(gè)事實(shí)，即完整的性能要求神經(jīng)網(wǎng)絡(luò)的所有層之間進(jìn)行極其精確的對(duì)齊，而當(dāng)這些層是小的物理層時(shí)，則很難排列。這也可以解釋為什么在基于光的神經(jīng)網(wǎng)絡(luò)中添加更多的層對(duì)準(zhǔn)確度稍有影響。

總的來(lái)說(shuō)，這項(xiàng)工作非常令人印象深刻。雖然性能低于基于計(jì)算機(jī)的方法，但研究人員推測(cè)，至少有些問題是可以通過開發(fā)更好的系統(tǒng)來(lái)調(diào)整構(gòu)成網(wǎng)絡(luò)不同層的工作層進(jìn)行對(duì)齊，盡管這個(gè)挑戰(zhàn)會(huì)隨著神經(jīng)網(wǎng)絡(luò)中層數(shù)的增加而加大?？蒲腥藛T認(rèn)為它可能在實(shí)踐中有用，他們強(qiáng)調(diào)，使用光計(jì)算的速度非?？?，而且大多數(shù)光源的功率都非常低。

但確實(shí)存在一些實(shí)際障礙。這種材料只適用于單一波長(zhǎng)的光，這意味著不能僅僅把任何東西放到系統(tǒng)就期望它能工作。目前，這由投影系統(tǒng)來(lái)保證，但是這依賴于3D打印一張紙來(lái)投影特定形狀，這并不是一個(gè)高效的過程。用一種單色投影儀系統(tǒng)來(lái)代替是可能的，但不清楚分辨率對(duì)系統(tǒng)精度的影響有多大。所以在知道這類系統(tǒng)是否有實(shí)際應(yīng)用之前還有一些工作要做。